-
公开(公告)号:CN113516236A
公开(公告)日:2021-10-19
申请号:CN202110807193.1
申请日:2021-07-16
Applicant: 西安电子科技大学
Abstract: 本发明属于人工智能和FPGA设计技术领域,具体公开了一种基于ZYNQ平台的VGG16网络并行加速处理方法,本发明通过数据的定点量化,减小输入输出数据、权重数据及偏置所带来的巨大计算量,从而降低功耗、减小计算量并解决片上资源受限问题;通过采用资源并行方式,一方面避开卷积神经网络层与层之间数据相关性的并行计算问题,另一方面减少对硬件电路资源的需求。本发明通过ZYNQ平台设计一种可以实现VGG16网络高度并行的硬件加速架构,从而在实现较小的资源消耗与较低功耗的基础上,提升加速性能与加速效率。
-
公开(公告)号:CN113506286A
公开(公告)日:2021-10-15
申请号:CN202110852074.8
申请日:2021-07-27
Applicant: 西安电子科技大学
IPC: G06T7/00 , G01N21/88 , G01N21/956 , G01R31/308 , G06K9/62 , G06N3/04 , G06N3/08 , G06T5/00
Abstract: 本发明属于人工智能和微波芯片技术领域,公开了一种基于YOLOv5算法小样本数据集实现微波芯片缺陷检测方法,对作为数据集的微波芯片进行图像预处理,具体预处理包括灰度转换、图像旋转矫正和去除背景噪声等操作。采集图像经过预处理后,再进行缺陷分类标注,将缺陷分类标注后的数据集分为训练集以及测试集。搭建YOLOv5网络结构,使用经过缺陷分类标注后的训练集对YOLOv5网络结构进行训练,通过反向传播算法调整网络模型权重参数,使用测试集对最终网络进行测试分析,结果表明经过放大处理的微波芯片表面,实现自动快速的缺陷检测以及定位,并达到了较高的准确率、召回率和mAP值。
-